How Many Pages? Paper Length Prediction from the Metadata

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F20%3A10424516" target="_blank" >RIV/00216208:11320/20:10424516 - isvavai.cz</a>

Výsledek na webu

<a href="https://dl.acm.org/doi/10.1145/3443279.3443305" target="_blank" >https://dl.acm.org/doi/10.1145/3443279.3443305</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/3443279.3443305" target="_blank" >10.1145/3443279.3443305</a>

Jazyk výsledku

angličtina

Název v původním jazyce

How Many Pages? Paper Length Prediction from the Metadata

Popis výsledku v původním jazyce

Being able to predict the length of a scientific paper may be helpful in numerous situations. This work defines the paper length prediction task as a regression problem and reports several experimental results using popular machine learning models. We also create a huge dataset of publication metadata and the respective lengths in number of pages. The dataset will be freely available and is intended to foster research in this domain. As future work, we would like to explore more advanced regressors based on neural networks and big pretrained language models.

Název v anglickém jazyce

How Many Pages? Paper Length Prediction from the Metadata

Popis výsledku anglicky

Being able to predict the length of a scientific paper may be helpful in numerous situations. This work defines the paper length prediction task as a regression problem and reports several experimental results using popular machine learning models. We also create a huge dataset of publication metadata and the respective lengths in number of pages. The dataset will be freely available and is intended to foster research in this domain. As future work, we would like to explore more advanced regressors based on neural networks and big pretrained language models.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GX19-26934X" target="_blank" >GX19-26934X: Neuronové reprezentace v multimodálním a mnohojazyčném modelování</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

4th International Conference on Natural Language Processing and Information Retrieval

ISBN

978-1-4503-7760-7

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

91-95

Název nakladatele

ACM

Místo vydání

New York, USA

Místo konání akce

Seoul, Korea

Datum konání akce

18. 12. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—